Faktoru analīze

Vikipēdijas raksts
Pārlēkt uz: navigācija, meklēt

Faktoru analīze ir statistiska metode, kas ļauj atrast faktorus, kas atrodas vairāku mainīgo lielumu saistības pamatā, bet dod arī iespēju noskaidrot šīs saistības tuvumu starp faktoru un novērotajām pazīmēm, proti, atbildēt uz jautājumu, cik liels ir faktora īpatsvars katrā pazīmē.

Faktoru analīze ir radusies un attīstījusies psiholoģijā, to ļoti plaši lieto intelekta struktūras un personības iezīmju izpētē, dažāda veida testu izveidē. Mūsdienās šo metodi ļoti plaši izmanto arī citās zinātnēs - ekonomikā, medicīnā, sociālajās zinātnēs (viena no daudzdimensiju analīzes sastāvdaļām), matemātikā un citur.

Maikls Porters nacionālo salīdzinošo priekšrocību analīzē veiksmīgi izmantojis tādus faktorus kā:

cilvēku resursi - daudzums, izglītība, amatu prasme, izmaksas;
fiziskie resursi - daudzums, kvalitāte, pieejamība un izmaksas nācijas zemēm, ūdeņiem, minerāliem, kokmateriāliem, dabīgiem enerģijas avotiem, zivju vietām u.c. Klimata nosacījumi, nācijas atrašanās vieta un ģeogrāfiskie izmēri, kā arī kaimiņu nācijas - produktu pircēji vai resursu pārdevēji;
zināšanu resursi - zinātnes sasniegumi, saimnieciskās un tehniskās iemaņas ;
kapitāla resursi - uzkrājumi, rezerves, naudas līdzekļi, iespējas aizņemties līdzekļus u.c.;
infrastruktūra - tips, kvalitāte un transportēšanas izmaksas.

Lai gan M.Porters minētos faktorus izmantojis, galvenokārt, mūsdienu (divdesmitā gadsimta) nāciju ekonomiskās attīstības analīzē, šo faktoru noteicošā loma ir acīmredzama visā cilvēces attīstības gaitā.

M.Portera dažādu, ar cilvēku, valstu, nāciju un uzņēmumu darbības un attīstības procesu analīzes veids, pielietojot iepriekš noteiktu faktoru sistēmu, mūsdienās ieguvis tik plašu izplatību, ka kļuvis par vienu no populārākajām zinātniskajām metodēm — Portera piecu faktoru modelis [1].

Faktoru analīze lielā mērā ir dažādu zināšanu sintēze, ko zinātne pazīst jau gadsimtiem ilgi. Tā, ilgstošam analīzes periodam zinātnē parasti seko sintētisks izziņas posms, kura laikā uzkrātie fakti, informācija, atziņas u.c. tiek izmantoti jaunu, augstāka līmeņa (abstraktāku) vispārinājumu izstrādāšanai, kas palīdz dziļāk izprast sabiedrības attīstības noteicošos faktorus un tendences. Arī pēdējo gadu desmitu dramatiskās politiskās izmaiņas — PSRS sabrukšana, Eiropas Savienības paplašināšanās, terorisma izplatība utt., devušas lielu skaitu jaunu faktoloģisku materiālu, kuru analīze ved pie atziņām, kas liek pārvērtēt arī citus, daudz senākus vēsturiskus procesus. Faktoru analīze būtībā ir samērā jauna metode, kā šādos gadījumos efektīvāk pielietot tradicionālo zinātniskās sintēzes metodi.

Apskatot daudzu ekonomisko un politisko procesu atspoguļojumu vēsturē šobrīd, XXI gs., arvien vairāk jūtama šajā jomā uzkrāto zināšanu pārvērtēšanas un tai sekojošas sintēzes nepieciešamība. Šī nepieciešamība briedusi jau ilgāku laiku. To nosaka pēdējo gadu desmitos mainījušies priekšstati par atsevišķu faktoru lomu sabiedrības attīstībā. Tā, pagājušā gadsimta pēdējā trešdaļā arvien izplatītāka kļuva atziņa par to, ka zināšanas un inovācija civilizācijas attīstībā spēlē daudz svarīgāku lomu, nekā tas parasti tika uzskatīts.

Faktoru analīze ekonomikā[labot šo sadaļu | labot pirmkodu]

Pēdējo desmitu gadu laikā faktoru analīzi veiksmīgi izmanto ekonomikā. Ar faktoru analīzes palīdzību veido faktoru modeļus ekonomiskai analīzei un prognozēšanai. Tā, piemēram, J.H.Stock un M.W.Watson veiksmīgi pielieto faktoru analīzi dinamiskā faktoru modeļa izveidošanai (skatīt Stoka-Vatsona faktoru modeli) un prognozē galvenos makroekonomiskus rādītājus[2]. Citi slavēnie ekonomisti B.S.Bernanke, J.Boivin, P.Eliasz izmanto faktoru analīzi un izveido vektoru augoregressīvo modeli ar papildinātiem faktoriem jeb FAVAR modeli (angliski: Factor-Augmented VAR model).

Atsauces[labot šo sadaļu | labot pirmkodu]

  1. Michael E. Porter. The Competitive Advantage of Nations
  2. STOCK, James H., WATSON, Mark W. Macroeconomic Forecasting Using Diffusion Indexes. Journal of Business & Economic Statistics, vol. 20, No. 2, April 2002.

Skatīt arī[labot šo sadaļu | labot pirmkodu]

Statistika